Come interrogare un PDF di 100 pagine e verificare che non inventi le risposte

Che cosa avrai alla fine: un lungo documento a cui porre domande in linguaggio naturale, risposte accompagnate da un numero di pagina e un controllo di trenta secondi per accertare che quel riferimento esista davvero.

Una risposta può presentarsi così:

Ciascuna parte può recedere con tre mesi di preavviso alla fine di un trimestre [p. 41].

Trenta secondi dopo saprai se pagina 41 dice davvero questo.

Non è un riassunto. È proprio nei riassunti dei documenti lunghi che si rischia di più, perché non è facile controllarli. Qui la procedura è diversa: fai una domanda, ricevi la risposta, la verifichi e prosegui.

Prima di cominciare

• Tempo: da 30 a 45 minuti la prima volta, circa cinque minuti per ogni documento successivo
• Costo: 0 euro con NotebookLM di Google o il piano gratuito della maggior parte degli assistenti; circa 20 euro al mese per un assistente a pagamento con più memoria, utile per documenti molto lunghi
• Che cosa serve: un PDF e un account presso un assistente che accetti il caricamento di file
• Disponibile nell’UE: sì. NotebookLM, ChatGPT, Claude e l’assistente di Mistral, chiamato Le Chat fino a maggio 2026, ora Vibe, accettano tutti documenti. Mistral elabora i dati nell’UE per impostazione predefinita, un aspetto importante quando il file non può essere condiviso liberamente
• Da sapere: il piano gratuito di NotebookLM limita il numero di domande giornaliere; arrivati al passaggio 5, il vincolo diventa concreto
• I tuoi dati: caricando un documento lo invii al fornitore. Prima di affidargli materiale riservato, controlla le impostazioni sulla riservatezza e disattiva l’addestramento sui tuoi contenuti. Nel piano gratuito di Mistral è attivo per impostazione predefinita e va spento. Per informazioni davvero sensibili, soltanto un modello locale sul proprio computer garantisce che nulla esca dall’edificio

Perché funziona, in un paragrafo

Un assistente non riesce a tenere in mente contemporaneamente un documento di 100 pagine. Ogni modello ha una finestra di contesto, cioè, a grandi linee, la quantità di testo che può considerare in un determinato momento. I documenti lunghi superano questa capacità. Lo strumento li divide allora in frammenti, li archivia e, quando riceve una domanda, recupera quelli che sembrano pertinenti per costruire la risposta. È il motivo per cui il metodo funziona, ma anche l’origine di tutti i problemi descritti più avanti. Lo strumento non legge il documento: lo cerca.

Capirlo cambia il modo di formulare le domande.

Passaggio 1: controlla che il PDF contenga davvero testo

Apri il PDF e prova a selezionare una frase con il mouse. Poi premi Ctrl+F, oppure Cmd+F su Mac, e cerca una parola visibile nella pagina.

Che cosa dovresti vedere: il testo si evidenzia trascinando il puntatore e la ricerca trova la parola.

Se non puoi selezionare nulla e la ricerca non restituisce risultati, il PDF è la fotografia di un documento, non un documento vero e proprio. Succede con scansioni e foto. Passa alla sezione sulla risoluzione dei problemi: caricarlo così com’è produrrà assurdità espresse con grande sicurezza.

Passaggio 2: scopri quanto è grande davvero

Guarda il numero di pagine. Questo singolo dato determina la strategia.

Per dare un riferimento, abbiamo eseguito la procedura su una vera rassegna accademica di 144 pagine. Conteneva circa 861.000 caratteri, equivalenti a pressappoco 215.000 token, le unità effettivamente conteggiate dai modelli. Una regola pratica: quattro caratteri corrispondono all’incirca a un token. Puoi così stimare il tuo documento dalle dimensioni del file o dal numero di parole.

Molti assistenti hanno una finestra di contesto molto più piccola, soprattutto nei piani gratuiti ed economici. È comune incontrare limiti da 16.000 o 32.000 token anche quando il modello sottostante potrebbe gestirne di più.

Che cosa dovresti vedere: il numero di pagine e una prima classificazione. Sotto le 50 pagine circa di testo normale, quasi tutti gli strumenti gestiscono comodamente l’intero file. Oltre 100 pagine, parti dal presupposto che il sistema cerchi anziché leggere e formula domande più circoscritte.

Passaggio 3: carica il file

NotebookLM è il percorso gratuito più semplice. Apri notebooklm.google.com, accedi con un account Google e fai clic su «Crea nuovo». Si apre una finestra che chiede da dove importare il documento: tra le opzioni compaiono Google Drive, un link web, testo incollato e il caricamento di un file. Scegli quest’ultimo, seleziona il PDF e attendi la fine dell’elaborazione.

Se preferisci un assistente per cui già paghi, vanno bene anche ChatGPT, Claude e Vibe: avvia una nuova conversazione e allega il file con la graffetta. Se prevedi di tornare spesso sul documento, inseriscilo in un progetto, uno spazio salvato che conserva file e istruzioni tra le conversazioni, così non dovrai caricarlo ogni volta.

I nomi dei menu sono stati controllati a luglio 2026. Le interfacce cambiano spesso: cerca la graffetta o le parole «aggiungi fonte», non una posizione specifica del pulsante.

Che cosa dovresti vedere: il file elencato come allegato o fonte, di solito con accanto il numero di pagine o le dimensioni.

Passaggio 4: chiedi una mappa, non un riassunto

Il primo messaggio non dovrebbe mai essere «riassumi questo documento». Chiedi invece la struttura:

Elenca le sezioni principali di questo documento con i relativi numeri di pagina e descrivi in una frase l’argomento di ciascuna. Per ora non riassumere il contenuto.

Che cosa dovresti vedere: qualcosa di simile a un indice con numeri di pagina. Sarà la tua mappa di navigazione e anche un primo controllo. Se le sezioni elencate non coincidono con il documento reale, fermati e correggi l’input prima di continuare.

Passaggio 5: fai domande reali e pretendi le pagine

Ora chiedi ciò che vuoi davvero sapere. A ogni domanda aggiungi la stessa istruzione:

Rispondi soltanto in base a questo documento. Dopo ogni affermazione, indica il numero della pagina da cui proviene. Se il documento non risponde alla domanda, dichiaralo invece di tirare a indovinare.

L’ultima frase vale più di qualsiasi trucco di prompting. Autorizza lo strumento a non dare una risposta, che è proprio ciò che serve in un documento su cui vuoi fare affidamento.

Che cosa dovresti vedere: risposte con numeri di pagina tra parentesi quadre e, ogni tanto, un netto «questo punto non è trattato nel documento». È un buon segnale, non un fallimento.

Passaggio 6: verifica in trenta secondi

È il passaggio che quasi tutti saltano e l’unico che rende affidabile il resto.

Scegli un’affermazione della risposta. Annota il numero di pagina e una frase riconoscibile. Apri il PDF, vai a quella pagina e cerca la frase.

Ci sono tre possibilità:

1. La frase compare nella pagina, dentro un paragrafo sull’argomento. Bene. Puoi concedere un po’ più di fiducia al resto.
2. La frase è nella pagina, ma in una nota o nella bibliografia. È il caso più subdolo. Nel nostro documento di 144 pagine, la parola «hallucination» compare in 22 pagine. Tuttavia la bibliografia inizia a pagina 99 e otto risultati sono riferimenti bibliografici, non discussioni del tema. Una risposta fondata su quei risultati ha tecnicamente una fonte, ma in pratica è inutile.
3. La frase non compare affatto nella pagina. Non fidarti più della risposta e consulta la risoluzione dei problemi: probabilmente la numerazione non coincide.

Nel primo documento controlla due o tre affermazioni. In seguito avrai capito come si comporta quella combinazione di strumento e file e potrai limitarti a verifiche a campione.

Che cosa dovresti vedere: la frase nella pagina indicata, all’interno di un paragrafo che tratta davvero la domanda. Se due controlli su tre riescono così, lo strumento si sta comportando bene con questo documento.

Copia questo testo

Incolla quanto segue come primissimo messaggio dopo aver allegato il file. Sostituisce il prompt più breve del passaggio 4 e include già la regola sulle pagine del passaggio 5:

Lavora esclusivamente sul documento che ho allegato.

Regole:
1. Rispondi soltanto in base a questo documento. Non usare conoscenze esterne.
2. Dopo ogni affermazione, indica il numero di pagina tra parentesi quadre.
3. Se il documento non risponde a qualcosa, scrivi «non trattato in questo documento» invece di tirare a indovinare.
4. Se un passaggio è ambiguo, citalo e spiega che cosa non è chiaro.
5. Cita testualmente quando le parole esatte contano, per esempio per scadenze, importi, obblighi ed esclusioni.

Primo compito: elenca le sezioni principali con i numeri di pagina e una frase per ciascuna.
Poi attendi le mie domande.

Quando qualcosa va storto

Il PDF è una scansione e le risposte sono inventate. Nel nostro test non è accaduto perché il documento aveva un vero livello di testo, ma è il problema segnalato più spesso. L’assistente descrive qualcosa di vagamente plausibile che non corrisponde a nulla. La causa è l’assenza di testo: ci sono soltanto pixel. La soluzione è eseguire prima il riconoscimento ottico. Su Mac può farlo Anteprima. Su Windows vanno bene LibreOffice Draw, gratuito, o Microsoft Lens integrato; Adobe Acrobat lo esegue in modo affidabile, se disponibile. Non caricare una scansione riservata su un sito gratuito scelto a caso: vanificherebbe la nota sulla riservatezza letta all’inizio. Alcuni assistenti, tra cui NotebookLM e Gemini, sanno anche leggere una scansione come immagine. Prima di continuare, controlla comunque il risultato come nel passaggio 1.

I numeri di pagina non coincidono. La frase citata si trova altrove, in genere con uno scarto costante di due o tre pagine. Copertina e pagine iniziali fanno sì che pagina 5 del PDF sia spesso pagina 1 sulla carta. Specifica quale conteggio usare: «usa la posizione della pagina nel PDF, non il numero stampato» risolve il problema in una riga.

La risposta non trova qualcosa che sai essere presente. Il sistema dichiara che il punto non è trattato, ma tu riesci a individuarlo. Nei documenti molto lunghi, la ricerca non ha recuperato il frammento giusto. Restringi la domanda. Al posto di «quali sono le condizioni di recesso?», prova «esamina la sezione sul recesso tra pagina 40 e pagina 55 ed elenca tutte le condizioni». Indicando una zona trasformi un problema di ricerca in un compito di lettura.

Adattalo alle tue esigenze

Più semplice. Con un documento sotto le 20 pagine puoi saltare del tutto il notebook. Allegalo a una normale chat e fai la domanda con la regola del numero di pagina. Bastano due minuti.

Più potente. Carica nello stesso notebook diversi documenti collegati, per esempio il vecchio e il nuovo contratto o le condizioni di tre fornitori, e poni domande comparative: «dove differiscono questi due documenti sui termini di preavviso? Indica le pagine di entrambi».

Per un’altra attività. Gli stessi sei passaggi funzionano con un manuale, un contratto di locazione, verbali di riunioni, un articolo scientifico o una polizza assicurativa di 300 pagine. Cambia soltanto il passaggio 2: più il testo è lungo, più le domande devono essere specifiche.

Il prossimo esperimento

Se il paragrafo iniziale sulla riservatezza ti ha fatto esitare, il passo successivo è evitare qualsiasi invio esterno. Abbiamo misurato fin dove può arrivare un normale computer nella nostra prova di un modello locale su un portatile di sei anni fa. In breve: riorganizzare testo funziona e non costa nulla.

Fonti

• Assistenza Anthropic: caricare file su Claude (spiega che Claude conta le pagine del PDF come appaiono nel visualizzatore, in relazione al secondo problema)
• Google NotebookLM
• Assistenza Mistral: Le Chat diventa Vibe (nome cambiato il 28 maggio 2026)
• A Survey of Large Language Models, arXiv (il documento di 144 pagine usato per verificare i numeri della guida)